Spektrala Transformer för Media

Relevanta dokument
Spektrala Transformer för Media

Spektrala Transformer

Spektrala Transformer

DT1130 Spektrala transformer Tentamen

Bildförbättring i spatial domänen (kap. 3) Bildförbättring (enhancement) Spatial domän. Operatorer. Tröskling (threshold) Gråskale-transformationer

Spektrala Transformer

Bildbehandling i frekvensdomänen. Erik Vidholm

Signaler, information & bilder, föreläsning 14

Bildbehandling En introduktion. Mediasignaler

2F1120 Spektrala transformer för Media Tentamen

Bildbehandling i frekvensdomänen

Bildbehandling i spatialdomänen och frekvensdomänen

DT1130 Spektrala transformer Tentamen

DT1130 Spektrala transformer Tentamen

Lågpassfiltrering. Signal- och Bildbehandling FÖRELÄSNING 8. Lågpassfiltrering

Bildbehandling, del 1

Signaler, information & bilder, föreläsning 14

Projekt 2 (P2) Problembeskrivning och uppdragsspecifikation

Flerdimensionella signaler och system

TNM030 -Sammanfattning Nathalie Ek, Sammanfattning. TNM030 - Bildbehandling och bildanalys

Medicinska bilder. Programkurs 6 hp Medical Images TSBB31 Gäller från: 2018 VT. Fastställd av. Fastställandedatum

TNM030 Tentasammanfattning (frågor) Nathalie Ek, Sammanfattning. TNM030 - Bildbehandling och bildanalys

7 MÖNSTERDETEKTERING

Innehåll. Innehåll. sida i

Spektrala transformer Laboration: JPEG-kodning

Signal- och bildbehandling TSEA70

Laplace, Fourier och resten varför alla dessa transformer?

Signaler, information & bilder, föreläsning 12

SIGNALANALYS I FREKVENSRUMMET

Facit till Signal- och bildbehandling TSBB

Lösning till tentamen i Medicinska Bilder, TSBB31, DEL 1: Grundläggande 2D signalbehandling

Spektrala transformer Laboration: JPEG-kodning

BILDBEHANDLINGSMETOD INNEFATTANDE BRUSREDUCERING I BILD MED LOKALT ADAPTIV FILTERKÄRNA

Signal- och bildbehandling TSBB03

Elektronik 2018 EITA35

7 Olika faltningkärnor. Omsampling. 2D Sampling.

'LJLWDODELOGHUR KGLJLWDOELOGPDQLSXOHULQJ

Laplace, Fourier och resten varför alla dessa transformer?

Lab 1: Operationer på gråskalebilder

DT1130 Spektrala transformer Tentamen

Försättsblad till skriftlig tentamen vid Linköpings Universitet

Signal- och Bildbehandling FÖRELÄSNING 4. Multiplikationsteoremet. Derivatateoremet

TEM Projekt Transformmetoder

Signal- och bildbehandling TSEA70

1) Automatisk igenkänning av siffror. Miniprojektuppgifter ppg för Signal- och Bildbehandling. av siffror. Klassificering av virusceller.

Signal- och bildbehandling TSBB03 och TSEA70

Signal- och bildbehandling

DT1120 Spektrala transformer för Media Tentamen

Teori... SME118 - Mätteknik & Signalbehandling SME118. Johan Carlson 2. Teori... Dagens meny

Signal- och Bildbehandling FÖRELÄSNING 7. En bild är en 2D signal. För en digital bild gäller. Fig. 2.1

Yrkeshögskolan Novia Utbildningsprogrammet i elektroteknik

Signal- och bildbehandling TSBB03, TSBB14

Tentamen i TSKS21 Signaler, information och bilder

Grafiska system. Färgblandning. Samspel mellan ytor. Ögats. fysionomi. Ljusenergi. Signalbehandling och aliasing

Signaler, information & bilder, föreläsning 13

Signal- och bildbehandling TSBB14

TSBB31 Medicinska bilder Föreläsning 3

Signal- och bildbehandling TSEA70

Tillämpning av komplext kommunikationssystem i MATLAB

Försättsblad till skriftlig tentamen vid Linköpings Universitet

Ulrik Söderström 20 Jan Signaler & Signalanalys

Signal- och bildbehandling TSBB03

Ulrik Söderström 19 Jan Signalanalys

Signal- och bildbehandling TSEA70

Spektrala Transformer

TIDSDISKRETA SYSTEM SYSTEMEGENSKAPER. Minne Kausalitet Tidsinvarians. Linjäritet Inverterbarhet Stabilitet. System. Tillämpad Fysik och Elektronik 1

Frekvensplanet och Bode-diagram. Frekvensanalys

Signal- och bildbehandling TSBB03

Föreläsning 7: Bild- och videokodning

Reglerteknik, TSIU61. Föreläsning 2: Laplacetransformen

6 2D signalbehandling. Diskret faltning.

Tillämpad Fysik Och Elektronik 1

Spektrala Transformer

TSBB31. En bild är en 2D signal. Exempel på färginnehåll i bilder p. 4. För en digital bild gäller. vitt. Fig. 1.1

Projekt 6. Fourieroptik Av Eva Danielsson och Carl-Martin Sikström

DIGITALA FILTER DIGITALA FILTER. Tillämpad Fysik Och Elektronik 1

Flervariabelanalys, inriktning bildbehandling, datorövning 3

Lösning till tentamen i Medicinska Bilder, TSBB31, DEL 1: Grundläggande 2D signalbehandling

Lösning till tentamen i Medicinska Bilder, TSBB31, DEL 1: Grundläggande 2D signalbehandling

Lösning till tentamen i Medicinska Bilder, TSBB31, DEL 1: Grundläggande 2D signalbehandling

Signalbehandling och aliasing. Gustav Taxén

i(t) C i(t) = dq(t) dt = C dy(t) dt y(t) + (4)

Projekt 3: Diskret fouriertransform

Tentamen i TMA 982 Linjära System och Transformer VV-salar, 27 aug 2013, kl

Miniräknare och en valfri formelsamling i signalbehandling eller matematik. Allowed items: calculator, DSP and mathematical tables of formulas

Signaler, information & bilder, föreläsning 13

LUNDS TEKNISKA HÖGSKOLA Institutionen för Elektro- och Informationsteknik

Laboration i Fourieroptik

DT1120/DT1130 Spektrala transformer Tentamen

Resttentamen i Signaler och System Måndagen den 11.januari 2010, kl 14-19

TSKS21 Signaler, Information och Bilder Lab 2: Digitalisering

Laboration 2: Filtreringsoperationer

Signal- och bildbehandling TSEA70

7 SIGNALER I TRE DIMENSIONER

Laboration 3 Sampling, samplingsteoremet och frekvensanalys

Fig. Exempel på en B-mode ultraljudsbild av ett hjärta.

Tentamen ssy080 Transformer, Signaler och System, D3

Signaler några grundbegrepp

Signal- och Bildbehandling, TSBB14 Laboration 1: Kontinuerliga signaler

Transkript:

Spektrala Transformer för Media Filtrering och transformer i 2D DT2/3 Spektrala Transformer Jonas Beskow

Linjär bildbehandling Principerna från -dimensionell signalbehandling kan appliceras även på 2D-signaler Tillämpningar: Bildförbättring (brusreducering) Kant-detektion Omsampling (anti-aliasing) Bildkomprimering (JPEG) mm... DT2/3 Spektrala Transformer Jonas Beskow

Filtrering i D Exempel Signal med högfrekvent störning Skapa ny signal genom att medelvärdesbilda över 5 punkter i taget Kallas moving-average / rullande medlevärde DT2/3 Spektrala Transformer Jonas Beskow

Filtrering i 2D DT2/3 Spektrala Transformer Jonas Beskow

Filtrering i 2D Inbild [N x M] f(x,y) Kärna [n x m] w(x,y) g( x, a = y) ( m Faltning * a b = s= at= b ) / 2, b = w( s, t) ( n Utbild [N x M] g(x,y) ) / f ( x + 2 s, y + t) DT2/3 Spektrala Transformer Jonas Beskow

Filtrering i 2D kärna, PSF Filtrering innebär faltning (convolution) med en kärna (kernel, mask) Kärnan är filtrets 2-dimensionella impulssvar Kallas även PSF (point spread function) dvs. hur en punkt sprids av filtret DT2/3 Spektrala Transformer Jonas Beskow

Filtrering i 2D: lågpass Lågpassfiltrering ger utjämning/ oskärpa (smoothing/ blur) Användning: brusreducering, nedsampling (anti-alias) mm. Motsvarar integrering 9 Exempel: moving average (7x7) 6 2 2 4 2 2 Matlab: I2=conv2(I,ones(7)); DT2/3 Spektrala Transformer Jonas Beskow

Filtrering i 2D: högpass Högpassfiltrering förstärker kanter i bilden (edge detection) - Undertrycker jämna partier Motsvarar 2:a ordningens derivering - - 4 - - - - - 8 - - - - DT2/3 Spektrala Transformer Jonas Beskow

Exempel: sharpening (sharpening, edge enhancement) Kombination av originalbild och högpass förstärker bildens kanter k - - + - 8 - - - - = - + k = -k -k -k +8k -k -k -k -k -k DT2/3 Spektrala Transformer Jonas Beskow

Cirkulärt symmetrisk kärna En cirkulärt symmetrisk filterkärna är ofta önskvärd Modifierar bilden likformigt i alla riktningar DT2/3 Spektrala Transformer Jonas Beskow

Faltning i 2D - beräkningar N x M bild n x m kärna Kräver N x M x n x m multiplikationer Exempel: x bild * x kärna mult. Sökes: metod för snabbare faltning! DT2/3 Spektrala Transformer Jonas Beskow

Separerbar filterkärna Om filterkärnan w(x,y) = g(x)h(y) så är den separerbar i x och y. Faltningen kan då göras med N x M x (n + m) multiplikationer Gauss-funktionen är både separerbar och cirkulärt symmetrisk DT2/3 Spektrala Transformer Jonas Beskow

DFT i 2D 2D DFT beräknas med D FFT längs rader och kolumner (eller omvänt) D DFT D DFT D DFT D DFT D DFT D DFT D DFT D DFT D DFT D DFT D DFT D DFT 2D DFT DT2/3 Spektrala Transformer Jonas Beskow

2D DFT exempel 2D DFT DT2/3 Spektrala Transformer Jonas Beskow

Filtrering i frekvensdomänen Inbild [N x M] f(x,y) Utbild [N x M] g(x,y) F(u,v) DFT Filterfunktion H(u,v) H(u,v)F(u,v) IDFT DT2/3 Spektrala Transformer Jonas Beskow

Filtrering i frekvensdomänen Inbild [N x M] f(x,y) Kärna [n x m] h(x,y) Utbild [N x M] g(x,y) DFT F(u,v) DFT Filterfunktion H(u,v) H(u,v)F(u,v) IDFT DT2/3 Spektrala Transformer Jonas Beskow

Filtrering i frekvensdomänen Bygger på faltningsteoremet (2D-upplagan): Faltning i spatialdomänen Multiplikation i frekvensdomänen f ( x, y) h( x, y) F( u, v) H ( u, v) DT2/3 Spektrala Transformer Jonas Beskow

Gauss - lågpassfilter Gauss spektralt gauss spatialt Motsvarar spridningen i en lins H ( u, v) = e ( u 2 + v 2 )/ 2D Cirkulär symmetri Separerbar i x och y-led DT2/3 Spektrala Transformer Jonas Beskow

Discrete Cosine Transform (DCT) Nära släkting till DFT n Endast cosinus basfunktioner Helt reell Beskriver ickeperiodiska signaler bättre än DFT n Kan beräknas effektivt ur FFT n N / ) X k = x n cos " # % N n + &, + ( k. * $ 2' - n = Används ofta för data-kompression MP3 (kodar koefficientrörelser ) JPEG DT2/3 Spektrala Transformer Jonas Beskow

DCT basfunktioner (N=8).5 2 3 4 5 6 7 2 3 4 5 6 7 ) cos " # N n + &, + % ( k. * $ 2' - 2 3 4 5 6 7 2 3 4 5 6 7 2 3 4 5 6 7 2 3 4 5 6 7 2 3 4 5 6 7 2 3 4 5 6 7 DT2/3 Spektrala Transformer Jonas Beskow

DCT basfunktioner i 2D (8x8) DT2/3 Spektrala Transformer Jonas Beskow

Slutsatser 2D-filtrering är resurskrävande för icketriviala filterkärnor Faltningen kan snabbas upp genom att använda separerbara filterkärnor Faltningen kan göras som en multiplikation i frekvensdomänen DCT-transformen är en DFT-släkting som används för att beskriva/komprimera ickeperiodiska signaler DT2/3 Spektrala Transformer Jonas Beskow